Прогнозируется, что только ИИ-технологии нового поколения принесут мировой экономике 4,4 триллиона долларов или более ежегодной прибыли, причем компании-разработчики программного обеспечения готовы получить от 10 до 15 процентов от этого объема, а агентный ИИ вполне может ускорить темпы реализации этой прибыли. Однако достижение этой цели далеко не гарантировано, и существующие компании столкнутся с возросшей конкуренцией и новыми сложными вызовами. Некоторые из них могут не выжить. Недавние шаги таких игроков на рынке ИИ, как OpenAI, подчеркивают эту неотложность. Внедряя собственные инструменты продаж, поддержки и заключения контрактов на базе ИИ непосредственно в рабочие процессы, эти компании могут в конечном итоге конкурировать с теми самыми игроками SaaS, которым они способствовали, — сдвиг, который может еще больше изменить динамику отрасли и усилить давление на этих игроков.
Gen AI и agentic AI могут начать с создания новых способов взаимодействия пользователей с программным обеспечением, но в конечном итоге эта технология должна оказать гораздо большее влияние. Это может заключаться в том, чтобы позволить клиентам настраивать программное обеспечение, которое может действовать автономно, принимать решения и взаимодействовать с различными пользователями, программным обеспечением и системами в рабочих процессах, которые традиционно не поддерживаются устаревшими инструментами. Эти достижения могут открыть эпоху, отмеченную столь же значительными изменениями в конкурентной среде, включая ускорение переключения поставщиков и оттока клиентов, перераспределение пользовательских сегментов и пулов ценностей, а также рост корпоративной внутренней или «гражданской» разработки программного обеспечения. Необходимо будет учитывать новые риски: от алгоритмической предвзятости и качества данных до объяснимости, нарушения прав интеллектуальной собственности и новомодных угроз безопасности.
В процессе трансформации, ориентированной на ИИ, компании-разработчики программного обеспечения сталкиваются с двумя основополагающими парадигмами: комплексным переосмыслением своего ценностного предложения — от продуктов и бизнес-моделей до подходов к выходу на рынок; и сквозным переосмыслением операционной деятельности, охватывающей продажи, успех клиентов, функции поддержки и инфраструктурный стек.
Революционеры на базе ИИ, изначально созданные вокруг этой технологии, уже дают о себе знать. Такие стартапы, как Anysphere (разработчик Cursor), Gamma и Lovable, меняют представление о скорости и масштабе, достигая соответствия продукта рынку в рекордные сроки и масштабируя годовой регулярный доход (ARR) до сотен миллионов долларов при командах менее 100 человек. Эти компании не внедряют ИИ в устаревшие рабочие процессы; они перестраивают всю организацию разработки программного обеспечения на основе принципов, ориентированных на ИИ.
Тем временем, действующие игроки рынка спешат наверстать упущенное, учитывая крупные инвестиции и общекорпоративные императивы. Например, Salesforce запустила Agentforce, заявив о своей амбиции стать ориентированной на ИИ и внедрить ИИ в свою систему разработки и операционной деятельности. Atlassian выпустила набор интеллектуальных агентов, взяв на себя обязательство по интеграции ИИ в масштабах всей организации.
Для действующих софтверных компаний императив очевиден: ориентация на ИИ больше не является необязательной — она необходима для сохранения конкурентоспособности. Те, кто сможет успешно адаптироваться и добиться успеха, помогут определить новую эру программного обеспечения.
Что значит и что нужно, чтобы стать компанией-разработчиком программного обеспечения, ориентированной на ИИ.
Переход на ИИ-ориентированный подход не происходит в одночасье или с постепенными улучшениями. Это фундаментальная трансформация, охватывающая семь ключевых изменений, охватывающих обе стороны дуальной парадигмы, и комплексно меняющая принципы работы софтверной компании и организационную структуру, необходимую для её управления.
Только сосредоточив свои усилия на семи областях, производители программного обеспечения могут надеяться добиться аналогичных результатов и остаться конкурентоспособными в то время, когда отрасль переживает серьезные перемены.
1. Переосмыслите основные продукты и запустите новые предложения на базе ИИ.
Наше исследование показывает, что возникают три различные модели того, как программное обеспечение будет включать агентов для обновления своих продуктовых предложений.
Архетип 1: Агенты как пользователи
В этой модели агенты в первую очередь автоматизируют повторяющиеся действия пользователей, выступая в роли пользователей существующего SaaS-программного обеспечения и следуя реализуемому им бизнес-процессу. Поставщики программного обеспечения продолжают продавать свои основные SaaS-продукты вместе с агентами, которые преобразуют затраты предприятия из рабочей силы в программное обеспечение. Ценность этой модели заключается в доступе к базовым данным SaaS-программного обеспечения и управлении ими, а также в реализации соответствующих бизнес-процессов.
Архетип 2: Архитектура, ориентированная на агента
В этой пост-SaaS-модели сотрудник-человек взаимодействует преимущественно с интерфейсом одного агента, выполняя свои основные рабочие процессы. Этот агент, в свою очередь, взаимодействует с несколькими бэкенд-агентами и использует их API для работы непосредственно с репозиториями данных. Это должно ускорить коммерциализацию этих элементов, при этом большая часть ценности будет перенесена на уровень агента. Ценность этой модели заключается в пользовательском опыте (UX) и способности агента использовать инструменты, которые человек использовал бы для выполнения своих повседневных рабочих процессов.
Архетип 3: Агенты как эксперты
В этой гибридной модели, сочетающей элементы SaaS-платформы и архитектуры, ориентированной на агентов, агенты различаются функциональными или отраслевыми знаниями, которыми их наделяет поставщик программного обеспечения (например, юридический агент, прошедший обучение у команды юристов). Ценность обусловлена знаниями предметной области и собственными данными, используемыми для обучения агента, чтобы он мог выполнять функции, недоступные двум другим архетипам.
Эти уже используются. Некоторые рабочие процессы в критически важных бизнес-процессах (например, продажи или управление персоналом) захватываются игроками архетипа 1, которые запустили агентов, функционирующих в первую очередь как дополнение к существующей системе учета или программному обеспечению для баз данных. Архетип 2 набирает популярность в индивидуальных рабочих процессах повышения производительности, при этом горизонтальные агенты занимают значительную долю в работе с информацией, анализе данных и создании контента. Многие из наиболее успешных и хорошо финансируемых компаний, разрабатывающих приложения на основе ИИ, работают в нишевых вертикалях (например, юридические технологии, здравоохранение), где они позиционируют свою экспертизу и производительность в конкретной области как основные конкурентные преимущества.
Каждая из моделей представляет собой жизнеспособный путь, хотя и со своими компромиссами. Агенты как пользователи могут позволить действующим компаниям добиться быстрого прогресса в области ИИ в уже существующем инструменте, но они ограничены API хоста и дорожными картами поставщиков. Более комплексная и амбициозная архитектура, ориентированная на агентов, требует больше времени и усилий для создания и поддержки, в то время как экспертные агенты влекут за собой некоторые накладные расходы на интеграцию.
Но независимо от того, какой архетип используют поставщики, ИИ меняет источник создания ценности в программных продуктах. Конкурентное преимущество в сфере программного обеспечения смещается от функций к доступу к данным и контролю за ними. Компании, владеющие высококачественными данными, специфичными для конкретной области, или глубоко интегрирующиеся с ними, могут обучать более эффективные модели, обеспечивать более персонализированные результаты и, в конечном итоге, оправдывать высокие цены. В отличие от функций, которые легко воспроизводятся, данные обеспечивают защищенность, а монетизация смещается от лицензирования функциональности к взиманию платы за аналитику, прогнозирование и автоматизацию, часто посредством ценообразования на основе использования или дифференцированных уровней аналитики.
2. Развивайте бизнес-модели
По мере того, как компании, ориентированные на ИИ, развивают свои основные продукты и выпускают новые предложения на базе ИИ, им также потребуется переосмыслить бизнес-модели для эпохи ИИ, включая монетизацию, источники дифференциации и модели доставки. Более того, 63% руководителей компаний-разработчиков программного обеспечения заявили, что считают, что ИИ коренным образом изменит их бизнес-модель в ближайшие три-пять лет.
ИИ готов сделать именно это, перейдя от ценообразования на основе рабочего места (или пользователя) к ценообразованию на основе потребления (будь то на основе использования/токенов, на основе выходных данных или на основе результатов). Этот переход критически важен по нескольким причинам. По мере того, как агентный ИИ берёт на себя задачи, традиционно выполняемые людьми, количество активных пользователей, взаимодействующих с программным обеспечением, сокращается, что делает монетизацию основного SaaS-программного обеспечения на основе рабочего места всё более сложной задачей.
Более того, учитывая, что ИИ-выводы приводят к новым переменным затратам, особенно в отношении вычислений и инфраструктуры, независимым поставщикам программного обеспечения (ISV) необходимо использовать масштабируемую метрику ценообразования, которая защищает маржу по мере роста использования клиентами. В ответ на это софтверные компании переходят к моделям, которые соотносят выручку с предоставленной ценностью, взимая плату на основе достигнутых результатов, выполненных действий или потребленных вычислительных ресурсов. В период с 2015 по 2024 год количество компаний, разрабатывающих ПО на основе потребления, более чем удвоилось, и такие лидеры, как Salesforce, Zendesk, Intercom и LexisNexis, уже монетизируют свои возможности ИИ с помощью этих моделей, зачастую обеспечивая значительно более высокий доход в расчете на одного клиента, чем при использовании традиционных товарных позиций.
Модели предоставления услуг также развиваются, поддерживая более глубокую вертикализацию и индивидуализацию для каждого клиента. Чтобы ИИ мог раскрыть весь свой потенциал, ему необходим доступ к релевантным данным, рабочим процессам и контексту. В результате универсальные приложения, вероятно, будут заменены узкоспециализированными, точно настроенными под конкретные отрасли, клиентскую среду и болевые точки. Это приводит к развитию концепции «услуга как программное обеспечение» — новой модели предоставления услуг, в которой компании-разработчики программного обеспечения объединяют платформы, ИИ-агенты, автоматизацию и экспертную поддержку в комплексные решения, ориентированные на результат. Вместо того, чтобы просто предоставлять инструменты, эти предложения непосредственно внедряют экспертные знания в конкретной области в продукт, решая сквозные задачи в таких вертикальных областях, как здравоохранение, розничная торговля или финансовые услуги.
3. Обновите стратегии выхода на рынок
Продажа ИИ отличается от продажи традиционного программного обеспечения. Его ценность сложнее, более контекстуальна и более изменчива. Она требует новых действий, новых ролей и новых партнёрств. В связи с этим почти 70% руководителей компаний, занимающихся разработкой программного обеспечения, считают трансформацию, направленную на выход на рынок (GTM), главным инвестиционным приоритетом на ближайшие несколько лет, что делает её одним из самых быстрорастущих направлений стратегического развития при переходе на ИИ.
В основе этого нового коммерческого подхода лежат пять смен.
Во-первых, стратегии GTM теперь должны напрямую задействовать высшее руководство. С появлением ИИ высокого уровня ИИ превратился из сферы ИТ-решений в приоритет на уровне совета директоров, и эта тенденция только усилилась с появлением агентского ИИ. Для успешного позиционирования ИИ отделы продаж и маркетинга должны взаимодействовать с генеральными директорами, финансовыми директорами и техническими директорами (CTO), представляя программное обеспечение не просто как инструмент, а как партнёра в процессе трансформации.
Во-вторых, маркетинговые стратегии должны стать более вертикальными и персонализированными. Поскольку решения на основе ИИ всё больше адаптируются к рабочим процессам, данным и сценариям использования каждого клиента, стандартных рекламных презентаций и общих сообщений уже недостаточно. Отделы продаж должны использовать отраслевой язык, демонстрировать реальные результаты и ориентироваться на показатели успеха клиентов, отражающие влияние ИИ, а не только его использование.
В-третьих, характер ролей на передовой стремительно меняется. По мере того, как продукты ИИ становятся всё более сложными и персонализированными, традиционным инженерам по продажам и командам по работе с клиентами часто не хватает технической глубины, чтобы помочь клиентам раскрыть их реальную ценность. Именно поэтому ведущие компании всё чаще обращаются к новой гибридной роли, известной как инженеры прямого развертывания (FDE) – технические эксперты, работающие непосредственно на объектах клиентов для успешного внедрения, интеграции и масштабного внедрения ИИ. Эти команды объединяют продукт и услугу, помогая клиентам пилотировать ИИ нового поколения, адаптировать агентов к своим рабочим процессам и постоянно оптимизировать внедрение. В моделях, ориентированных на потребление, где потребление определяет доход, эта роль становится ещё более важной. FDE не только ускоряют время окупаемости, но и повышают вероятность устойчивого внедрения и более глубокого расширения в организациях-клиентах. В результате прямое проектирование становится ключевым элементом современной GTM, особенно для компаний, предлагающих решения на основе ИИ, требующие интерактивной и технически грамотной поддержки.
В-четвертых, компании переосмысливают свою партнерскую экосистему, чтобы соответствовать особым требованиям эпохи ИИ, ориентированной на развитие, где покупательское поведение, взаимодействие с партнерами и предоставление ценности резко расходятся с традиционной моделью SaaS. Сегодня директора по информационным технологиям, технические директора и директора по данным и аналитике принимают почти 60% решений о покупке платформы ИИ, и аналогичная доля покупателей полагается на гибридный подход с поддержкой внешних партнеров (например, системных интеграторов [SI] для консультирования и внедрения ИИ), что дает партнерам значительное влияние на разработку решений и выбор поставщиков. В результате этого более тесного и постоянного сотрудничества компании сужают свой набор партнеров до небольшой, более узкоспециализированной группы независимых поставщиков программного обеспечения, системных интеграторов и стартапов, изначально ориентированных на ИИ, которые не только продают решения, но и совместно разрабатывают и помогают внедрять их, часто создавая агентов, ориентированных на определенную предметную область. Например, одна из ведущих корпоративных программных платформ обновила свою партнерскую программу, чтобы расширить возможности стратегических системных интеграторов (SI) за счет глубоких знаний в области ИИ, внедрила отраслевые или функциональные стратегии продаж для таких функций, как клиентский опыт и технологические риски, а также запустила галерею агентов ИИ для поддержки масштабируемой разработки агентов. Эти изменения отражают более общую тенденцию: участие партнеров теперь начинается на более ранних этапах цикла продаж и продолжается после продажи, обеспечивая масштабирование внедрения и достижение устойчивых результатов. Такая модель все больше опирается на стимулы, основанные на потреблении, углубленное техническое обучение и итеративные модели развертывания, ориентированные на инженеров, которые обеспечивают долгосрочное создание ценности.
В-пятых, вероятно, вскоре появятся агентские торговые площадки, на которых агенты будут обнаруживаться (возможно, с помощью агентов), тестироваться и использоваться с минимальным участием человека. Изначально они будут предназначены для решения конкретных задач, таких как синтез или интерпретация данных, сбор фактов или услуги перевода. Со временем то, что будет обнаруживаться и закупаться на торговых площадках, будет всё больше представлять собой более специализированные, «продвинутые» услуги.
4. Перепроектируйте разработку продукта от начала до конца
Одним из основных направлений применения ИИ является разработка программного обеспечения. Однако, хотя компании сообщают об улучшении производительности разработчиков на пилотных проектах на 30–50%, этот рост редко приводит к аналогичному влиянию на валовой доход или прибыль.
Чтобы раскрыть весь потенциал разработки продуктов на основе ИИ, компаниям необходимо распространить ИИ на весь жизненный цикл разработки продукта (PDLC), а также кардинально перестроить сам процесс разработки продукта и переосмыслить модели талантов.
Расширение ИИ на весь PDLC означает внедрение ИИ на всех этапах — от обнаружения и оценки жизнеспособности до сборки, тестирования, выпуска, мониторинга и эксплуатации — для повышения эффективности, качества и удобства. Например, на этапе обнаружения ИИ может автоматизировать формирование требований, помогая выявлять болевые точки клиентов, разрабатывать потенциальные решения и трансформировать лучшие идеи в конкретные требования. На этапе сборки инструменты агентного кодирования могут генерировать подробные технические спецификации, писать комплексные тесты и итеративно генерировать код, который проходит тестовые случаи и соответствует корпоративным практикам кодирования. На этапах мониторинга и эксплуатации помощники IT-операторов на базе ИИ могут сортировать инциденты, выполнять анализ первопричин и предоставлять прогнозные данные для предотвращения будущих проблем. В совокупности эти возможности иллюстрируют, насколько глубокое внедрение ИИ на протяжении всего жизненного цикла может раскрыть весь потенциал разработки продукта.
Однако внедрение этих инструментов в существующий процесс не принесёт желаемого результата — критически важна более фундаментальная перестройка процесса разработки продукта (PDLC), ориентированная на ИИ. Это подразумевает переход к более систематизированному процессу разработки продукта с единообразными этапами, артефактами, инструментами и участниками на каждом этапе, а также с меньшим количеством этапов и передач между ними.
Новый процесс разработки продукта и новый технологический ландшафт также потребуют изменений в структуре команд, ролях и навыках. Роли пересматриваются в соответствии с новыми технологическими процессами, и появляются команды, работающие по принципу «одной пиццы», поскольку границы ролей размываются, а требования к навыкам меняются, и специалисты-специалисты становятся менеджерами-агентами.
Эта более масштабная трансформация была успешно реализована ведущим мировым поставщиком ИТ-услуг, который масштабировал решения на основе ИИ-генерации для более чем 100 клиентов и систематизировал «рецепты» ИИ для таких функций, как разработка приложений, тестирование и миграция в SAP. Программная трансформация включала в себя тщательное отслеживание пилотных проектов, монетизацию с привязкой к производительности и развертывание агентов на основе ИИ-генерации, что в конечном итоге позволило повысить квалификацию около 2000 инженеров в области процесса разработки, структуры команды и ролей, ориентированных на ИИ.
5. Автоматизировать внутренние операции
По мере того, как компании-разработчики ПО становятся ориентированными на ИИ, они автоматизируют внутренние процессы по всему предприятию — не только в традиционных бэк-офисных функциях, таких как HR или финансы, но и в высокоэффективных фронт-офисах, таких как продажи, поддержка клиентов, маркетинг и профессиональные услуги. Эта масштабная трансформация отражает растущее понимание того, что ИИ — это стратегический рычаг для масштабного повышения производительности. Фактически, наряду с переосмыслением основных продуктов, автоматизация внутренних процессов сегодня является главным инвестиционным приоритетом для руководителей компаний-разработчиков ПО: 93% респондентов назвали её одним из приоритетных направлений.
Ведущие компании уже внедряют искусственный интеллект (ИИ) общего назначения и агентский ИИ для снижения затрат, повышения производительности и высвобождения сотрудников для более важной работы. Например, в сфере продаж ИИ позволяет полностью переосмыслить коммерческую деятельность. Продавцам помогают виртуальные помощники и помощники, которые выявляют лиды, расставляют приоритеты, готовят ответы и обеспечивают коучинг в режиме реального времени. Системы ИИ автоматизируют ключевые этапы цикла продаж — от сбора и развития лидов до интеллектуального ценообразования и формирования коммерческих предложений, — помогая командам сократить время на подготовку до 80% и увеличить время взаимодействия с клиентами на 50%.
6. Создайте инфраструктуру, готовую к использованию ИИ
Хотя большинство существующих компаний-разработчиков ПО уже «технологически продвинуты», лишь немногие из них по-настоящему готовы к использованию ИИ. Создание продуктов в эпоху ИИ-поколения требует принципиально иной инфраструктурной основы — такой, которая поддерживает не только облачную доставку и аналитику, но и высокопроизводительные автономные агенты, работающие в режиме реального времени в больших масштабах. Для многих руководителей в сфере программного обеспечения это означает развитие новых возможностей: инвестирование в основные возможности на уровне ИТ-директоров и существенное развитие архитектуры платформы для поддержки рабочих нагрузок, ориентированных на ИИ.
Поддержка агентного ИИ в масштабе — это нечто большее, чем просто подключение крупной языковой модели (LLM). Она требует переоснащения базовой инфраструктуры пяти основных компонентов: уровня данных, управления, безопасности, цепочек инструментов разработчика и операций агента. Некоторые элементы этих компонентов, например, сам уровень LLM в цепочках инструментов разработчика, могут потребовать лишь незначительных обновлений. Однако другие требуют серьёзных обновлений или даже принципиально новых инноваций.
Например, для ИИ необходимо обновить FinOps и контекстную осведомлённость. Компаниям потребуется значительно большая прозрачность в отношении потребления токенов и облачных ресурсов — на уровне учётных записей, пользователей и агентов — для управления расходами и обеспечения прозрачности выставления счетов. Обеспечение достаточной контекстной осведомлённости для крупных моделей с использованием собственных данных также требует новых инструментов, управления и вычислительных мощностей. В то же время, оркестровка ИИ, оценка агентов и агентская сетка, которые не были основными функциями в предыдущих парадигмах ИИ, должны быть реализованы для поддержки маршрутизации агентов, отслеживания производительности и управления жизненным циклом.
Экономические аспекты инфраструктуры ИИ усиливают актуальность этого изменения. Одним из наиболее непосредственных и заметных последствий внедрения ИИ является рост затрат на инфраструктуру, обусловленный высокой интенсивностью вычислений при выполнении задач логического вывода. Наш опрос показал, что 80% руководителей компаний-разработчиков ПО ожидают увеличения расходов на облачные технологии и инфраструктуру как минимум на 10%, а более трети ожидают роста более чем на 20%. В связи с ростом этих расходов компаниям потребуется оптимизировать весь свой стек не только за счёт перепроектирования рабочих нагрузок агентов для повышения эффективности, но и за счёт рационализации инфраструктуры, не связанной с ИИ, и улучшения телеметрии для лучшего понимания производительности и расходов на системном уровне.
7. Переподготовка и реорганизация талантов
ИИ меняет не только характер работы, но и то, кто её выполняет и как. Чтобы полностью раскрыть его потенциал, компаниям необходимо развивать навыки использования ИИ в своих организациях, перестраивая рабочую силу «человек + агент». Это будет включать переосмысление моделей обучения путём создания индивидуальных программ обучения ИИ, таких как развитие ролей и навыков, выравнивание структур и закрепление изменений с помощью новых механизмов поддержки.
В основе этой трансформации лежит фундаментальное изменение ролей и возможностей. ИИ уже оказывает чистое влияние на состав персонала на 20–30%, при этом агенты в значительной степени заменяют некоторые должности — менеджеров по продлению договоров, инженеров службы поддержки и специалистов по управлению рисками (SDR), — высвобождая сотрудников для перераспределения. Другие должности, такие как инженеры-программисты, менеджеры по работе с клиентами и специалисты по цифровому маркетингу, перестраиваются для интеграции ИИ в повседневную работу, что требует новых навыков взаимодействия с агентами, оперативного проектирования, а также контроля и вмешательства по мере необходимости.
Совершенно новые роли, такие как инженеры по оперативной информации, тренеры агентов и руководители служб безопасности на базе искусственного интеллекта, играют ключевую роль в эксплуатации и масштабировании агентских систем. Однако в условиях дефицита квалифицированных специалистов компаниям часто приходится полагаться на внутреннее повышение квалификации для заполнения этих вакансий. Ведущая компания-разработчик программного обеспечения для B2B-сферы официально интегрирует агентов в свою организационную структуру, предоставляя менеджерам как сотрудников, так и агентов.
Эта трансформация также требует переосмысления структуры команд. Организации переходят к более компактным моделям с меньшим количеством уровней, перераспределяя работу между более плоскими, кросс-функциональными командами, где люди и агенты взаимодействуют в режиме реального времени. Роли младшего и особенно среднего звена сокращаются по мере развития автоматизации, в то время как опытные специалисты переориентируются на стратегические, творческие задачи и задачи решения проблем. Традиционные программы ученичества и наставничества также должны быть переработаны в соответствии с эпохой ИИ, включая структурированную адаптацию, ориентированную на конкретные роли, с упором на ИИ, ускоренные циклы владения и целевое повышение квалификации для ускорения развития будущих лидеров.
Чтобы обеспечить устойчивое внедрение, компании могут внедрить управление изменениями, используя подталкивания, моделирование лидерства и формальные вмешательства для закрепления новых моделей поведения. Воспитание сотрудников, свободно владеющих ИИ, требует инвестиций в техническое обучение и масштабную организационную перестройку, которая согласует роли, команды и культуру с реалиями будущего, где задействованы люди и агенты.
В отрасли, где конкуренты и стартапы стремительно внедряют генеративный и агентный ИИ как в продукты, так и в операционную деятельность, пилотирование ИИ на периферии уже недостаточно. Чтобы преуспеть в этом новом технологическом ландшафте, софтверным компаниям необходимо предпринять шаги к тому, чтобы стать по-настоящему ориентированными на ИИ организациями. Такая перестройка сосредоточена на двух важнейших направлениях: ценностном предложении компании и её внутренних операциях. Это означает полное переосмысление её продуктов, бизнес-моделей и подхода к GTM, а также фундаментальное переосмысление самой работы компании, включая масштабирование ИИ на внутренние рабочие процессы и создание инфраструктуры и методов работы, которые открывают значительный рост производительности.
Для руководителей разработчиков программного обеспечения этот переход начинается с четкого видения, ориентированного на ИИ, и общекорпоративного мандата, привязанного к амбициозным и измеримым целям. Внедрение должно быть стратегическим, а не разрозненным. Наибольшего успеха добьются те, кто направит ИИ туда, где он действительно обеспечивает конкурентоспособность — будь то создание собственных, настраиваемых функций, перестройка основных рабочих процессов для масштабирования или грамотное использование существующих решений вместо изобретения велосипеда.
В рамках этой трансформации потребуется решительное перераспределение ресурсов, а также перераспределение капитала и лучших специалистов на приоритетные задачи в области ИИ с высокой отдачей, включая ИТ, данные и инфраструктуру, необходимые для поддержки рабочих нагрузок, ориентированных на ИИ. Не менее важно масштабировать персонал, нанимая и повышая квалификацию для свободного владения ИИ, а также перестраивать команды, рабочие процессы и культуру для обеспечения долгосрочного внедрения и внедрения устойчивого управления изменениями с самого начала. Наконец, переосмысление такого масштаба и охвата требует ответственности. Руководители разработки программного обеспечения могут организовать централизованное отслеживание производительности ИИ в сравнении с прагматическими результатами, охватывающими производительность, скорость и ценность для бизнеса, чтобы контролировать выполнение задач в режиме реального времени и быстро адаптироваться по мере развития технологий и вариантов использования.
Учитывая головокружительный темп инноваций и развития ИИ, способность адаптироваться к быстро меняющимся тенденциям будет критически важна, хотя и непроста. Действительно, нынешние темпы перемен могут показаться пугающими для традиционных разработчиков программного обеспечения, привыкших к размеренному ритму и богатству SaaS. Но наибольший риск может быть для тех поставщиков, которые даже не пытаются перейти на ИИ-ориентированный путь и вскоре обнаруживают, что эта новая эра программного обеспечения с её огромным ценностным потенциалом стремительно уходит в прошлое.
Источник.
Необходимость ориентации на ИИ: выход на новый уровень программного обеспечения. 16 октября 2025 г. Статья
The AI-centric imperative: Navigating the next software frontier. October 16, 2025 Article
https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/the-ai-centric-imperative-navigating-the-next-software-frontier
Комментариев нет:
Отправить комментарий